Pontifícia Universidade Católica do Rio de Janeiro

Departamento de Economia
ECO1858 Laboratório de Estatística Econômica

29 de setembro de 2023

Roteiro do Laboratório 7
Tema: Correlação linear
Capítulo 3 do livro-texto.

ATENÇÃO:
O segundo exemplo deste laboratório usa duas séries de preços acionários contidas no
arquivo LAB07_DADOS.csv, publicado na pasta de roteiros no Moodle.

1. Revisão teórica. Definição de covariância e coeficiente de correlação linear.

2. Exemplo 1: Viés de seleção nas relações amorosas.
 Seleção de ficantes com base em duas qualidades substitutas.
 Surgimento na amostra de uma correlação inexistente na população.
 Conclusões espúrias a respeito da relação entre as qualidades.
3. Exemplo 2: O benefício da diversificação dos investimentos em ações.
 Retorno de uma carteira de duas ações.
 Retorno esperado em função das proporções do capital investido.
 Volatilidade da carteira em função das proporções do capital investido.
 Fronteira eficiente.

Fim
ANEXO
EXEMPLO 1: Viés de seleção nas relações amorosas.
# Criação de uma população na qual as duas qualidades são independentes
# Distribuição uniforme de cada qualidade pelos indivíduos
população <- data.frame(beleza = runif(10000), inteligência = runif(10000))
plot(população)
# Sorteio de indivíduos potenciais ficantes ("contatinhos")
n <- 40 # número de contatinhos sorteados da população
contatinhos <- população[sample(nrow(população), n),]
# Ficantes selecionados segundo um critério de substituição entre as qualidades
ficantes <- with(contatinhos, subset(contatinhos, beleza + inteligência > 1))
plot(ficantes, pch = 8)
cor(ficantes) # estimação do coeficiente de correlação linear entre as qualidades

Exercícios e perguntas:
(1) Execute a simulação do script algumas vezes para confirmar que a correlação estimada
entre as qualidades de beleza e inteligência dos ficantes é (quase) sempre negativa. Com base
nessas estimativas, você arriscaria dizer o verdadeiro valor da correlação entre a beleza e a
inteligência dos ficantes? Aumente o valor dos contatinhos para 1.000 e repita o exercício.
(2) Investigue se o viés de seleção permanece se a distribuição de probabilidades de beleza e
inteligência forem normais ao invés de uniformes. Para isso, onde a função runif aparecer
no script substitua-a pela função rnorm, a qual sorteia números normais. Esses números têm
valor esperado igual a 0, então substitua também na seleção de ficantes o critério de soma
maior que 1 por soma maior que 0. Comente o que acontece com os gráficos e a correlação.
Atividades complementares:
(1) No script original, a função densidade de probabilidade conjunta de beleza (X) e
inteligência (Y) entre os ficantes também é uniforme, mas na região do plano definida por
estes três intervalos: 0 < x < 1 e 0 < y < 1 e x + y > 1 (por quê?). Deduza o valor da f.d.p.
conjunta e, com ela, obtenha o verdadeiro valor do coeficiente de correlação linear entre a
beleza e a inteligência dos ficantes. Verifique que a correlação estimada nas simulações
parece, de fato, flutuar próxima do valor calculado.
EXEMPLO 2: O benefício da diversificação dos investimentos em ações.
# Antes de executar o script, importe o arquivo LAB07_DADOS.CSV
attach(LAB07_DADOS)
portfolio_estats <- function(alpha, a1, a2) {
# Calcula as séries individuais de log-retornos
ret_a1 <- diff(log(a1)) ; ret_a2 <- diff(log(a2))
# Estima as volatilidades individuais
vol_a1 <- sd(ret_a1) ; vol_a2 <- sd(ret_a2)
# Calcula a série de retornos da carteira
ret_p <- alpha*ret_a1 + (1-alpha)*ret_a2
return(list(rho = cor(ret_a1, ret_a2),
ret_p = mean(ret_p)*252,
ret_méd_ações = (alpha*mean(ret_a1)+(1-alpha)*mean(ret_a2))*252,
vol_p = sd(ret_p)*sqrt(252),
vol_média = (alpha*vol_a1 + (1-alpha)*vol_a2)*sqrt(252)))
}
# Pesquisa da fronteira eficiente
sigma <- vector("numeric",1000)
ret_p <- vector("numeric",1000)
for (i in 1:1000) {
sigma[i] <- portfolio_estats(i/1000,PETR4,VALE3)$vol_p
ret_p[i] <- portfolio_estats(i/1000,PETR4,VALE3)$ret_p
}
positivos <- which(ret_p > 0) # carteiras que tiveram retorno positivo
plot(sigma[positivos], ret_p[positivos],
main = "Fronteira eficiente de carteiras PETR4+VALE3 AGO/22-AGO/23",
ylab = "Retorno", xlab = "Volatilidade")

Exercícios e perguntas:
(1) Utilize a função portfolio_estats para obter o retorno e a volatilidade de PETR4 no
período da série histórica. Depois, faça o mesmo para VALE3. (Dica: Construa uma
"carteira" contendo apenas uma ação.) O ponto mais alto da fronteira eficiente corresponde a
que carteira? O investimento puro em PETR4 está representado no gráfico?
(2) Quais os pesos de PETR4 e VALE3 na carteira de menor retorno e risco dentre aquelas
representadas no gráfico da fronteira eficiente?
Atividades complementares:
(1) PROJETO: Adapte a função portfolio_estats de forma que ela aceite três séries de
preços. Depois, construa a fronteira eficiente das carteiras com ações PETR4, VALE3 e
ARZZ3 (veja o Laboratório 6) no período de ago/2022 a ago/2023.